WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 4 | 5 || 7 |

Рассмотрим две корреляционные матрицы ИПЦ регионов и КНР, а так же цен на одежду и продукты: первая за период (01.2002 – 02.2011), вторая (01.2003 – 02.2011); и две матрицы частных коэффициентов корреляций (01.2003 – 02.2011).

Как известно, частные корреляции отражают “чистую” линейную зависимость пары признаков, при условии, что связи всех других признаков с признаками из данной пары не действуют, нивелированы. В первой матрице нивелировано влияние ИПЦ Китая и индекса на продукты, во второй – влияние индекса цен на одежду и индекса на продукты (это сделано потому, что ИПЦ Китая и индексы цен на продукты и одежду имеют достаточно сильную линейную зависимость, что может привести к зашумлению “истинной” величины рассчитываемого коэффициента). В таблицах 4 и 5 статистически значимые коэффициенты выделены чёрным цветом. В таблицах 2 и 3 чёрным цветом выделены наиболее “сильные” коэффициенты корреляции.

Таблица 2 – Матрица парных коэффициентов корреляции за период (01.2002 – 02.2011) Таблица 3 – Матрица парных коэффициентов корреляции за период (01.2003 – 02.2011) Таблица 4 – Матрица частных парных коэффициентов корреляции за период (01.2003 – 02.2011) с исключение влияния ИПЦ Китая и индекса цен на продукты Таблица 5 – Матрица частных парных коэффициентов корреляции за период (01.2003 – 02.2011) с исключение влияния индекса цен на одежду и индекса цен на продукты Видно, что наиболее сильная линейная зависимость наблюдается между динамикой цен на одежду в Китае и ИПЦ регионов. В свою очередь значения коэффициентов корреляции изменяются при анализе данных на разных временных горизонтах. Так элиминируя данные за 2002 год можно увидеть, что, например, для Хабаровского края (и индекса цен на одежду в КНР11) коэффициент повысился по абсолютной величине с 69,7% до 70,9% (почти на процент). Аналогичная тенденция присутствует и для всех пар “регион – ИПЦ КНР”, “регион – Clothing”.

Странным может показаться тот факт, что, несмотря на то, что многие жители рассматриваемых регионов носят китайскую одежду, ИПЦ регионов и индекс цен на одежду в Китае находятся в отрицательной зависимости друг от друга. Казалось бы, дешёвая одежда в Китае – соблазн для российских потребителей, но не стоит забывать, что коль скоро есть соблазн купить подешевле, то возникает желание купить побольше, а кроме того, валюта в которой осуществляются покупки – китайский юань. Тем самым желая купить больше или учащая свои визиты в Китай, россияне готовы, при прочих равных, платить большее количество рублей за определённое количество юаней. Иными словами, спрос на китайскую валюту повышается. Но этот спрос нивелируется китайским Центральным банком, но на практике дело обстоит иначе.

На сайте китайского агентства статистики данный показатель называется “Clothing”.

“На помощь приходят” валютные спекулянты на китайской стороне в лице переводчиков, с принимающей туристов стороны, и просто частных лиц.

В банках Китая они покупают за 1000 рублей 215 юаней, а российским туристам продаю 205 юаней за 1000 рублей. Поэтому, покупая ботинки за юаней при данных соотношениях можно переплатить примерно на 22,7 рубля больше. Данная разница будет заметна, если покупать оптом, например, сто пар данной обуви.

Спецификация системы Матрица парных коэффициентов корреляций необходима по большей части для спецификации модели: значимые коэффициенты в таблице (3.3) являются обязательными регрессорами в соответствующих уравнениях.

Например, в уравнении системы (35) для Хабаровского края обязательной составляющей правой части будет ИПЦ Амурской области и Clothing и т. д.

Спецификация модели (в данном случае pretest-оценка) производилась на основании оценивания каждого уравнения системы (35) методом наименьших квадратов (производилась подгонка) на основании выполнения условий теоремы Гаусса-Маркова.

На основании проведённых тестов на значимость коэффициентов полученных уравнений регрессии, были исключены некоторые оцененные параметры при соответствующих переменных как статистические незначимые.

Сезонная компонента учтена либо в лаговых значениях регрессоров, либо элиминирована регрессором, со значимым коэффициентом частной корреляции.

Хабаровский край за период 01.2003 – 12.2009 (в скобках указаны p-value коэффициентов):

0.809167 0.529718 0.306983 0.....

0.137778.

.

0.696880; 2.039548;.. 0.004009.

Хабаровский край за период 01.2003 – 02.2011 (в скобках указаны p-value коэффициентов):

0.778576 0.541461 0.298885 0.....

0.145142.

.

0.688142; 1.948310;.. 0.003952.

Приморский край за период 01.2003 – 12.2009 (в скобках указаны p-value коэффициентов):

0.842032 0.313901 0.296984 0.144605.

....

0.573884; 1.617605;.. 0.003645.

Приморский край за период 01.2003 – 02.2011 (в скобках указаны p-value коэффициентов):

0.848502 0.291740 0.302328 0.165435.

....

0.550041; 1.572758;.. 0.003568.

Амурская область за период 01.2003 – 12.2009 (в скобках указаны pvalue коэффициентов):

0.069373 0.736445 0.190480 0.141516.

....

0.644627; 2.171295;.. 0.004737.

Амурская область за период 01.2003 – 02.2011 (в скобках указаны pvalue коэффициентов):

0.056003 0.695082 0.237196 0.123395.

....

0.648014; 2.145180;.. 0.004595.

ЕАО за период 01.2003 – 12.2009 (в скобках указаны p-value коэффициентов):

0.042026 0.834123 0.393647 0.268432.

....

0.582973; 2.015653;.. 0.005239.

ЕАО за период 01.2003 – 02.2011 (в скобках указаны p-value коэффициентов):

0.039752 0.764808 0.467060 0.270154.

....

0.589660; 2.011072;.. 0.005087.

Очевидно, что при добавлении 14 данных, коэффициенты регрессии меняются незначительно. Данный факт можно проинтерпретировать как устойчивость оценок регрессий.

Теперь система (31), с учётом проведённой спецификации и новых обозначений для коэффициентов, имеет следующий вид:

(36) В системе три эндогенные переменные, одна экзогенная и четыре предопределённых. В матричном виде:

0 (37) 0 1 0 0 0 ; ;

0 0 0 1 ; ;

0 0 0 ; ;.

3.2 Оценивание системы уравнений Все уравнения системы (36) проверены на идентифицируемость по ранговому условию.

Для первого уравнения матрица коэффициентов при отсутствующих в нём переменных равна:

-1 1 1 0 1 0 1 -1 0 для второго:

-1 1 1 1 1 0 1 0 0 1 0 0 для третьего:

0 1 1 1 -1 0 0 0 1 1 0 0 для четвёртого:

-1 1 1 1 0 1 0 0 1 0 1 0 Во всех четырёх случаях ранги матриц равны трём, что указывает на идентифицируемость всех уравнений системы.

Оценки системы (36) были получены двухшаговым методом наименьших квадратов:

Хабаровский край:

0.627576 0.634336 0.227199 0.....

0.130356.

.

0.481849; 1.884749;.. 0.005094.

Приморский край:

0.546906 0.503219 0.144923 0.096852.

....

0.469025; 1.153087;.. 0.003821.

Амурская область:

0.141881 0.248022 1.256696 0.131402.

....

0.427415; 1.985390;.. 0.005860.

ЕАО 0.028423 0.221995 1.093923 0.343385.

....

0.361842; 1.609940;.. 0.006427.

Полученные оценки не являются удовлетворительными с силу ряда логических противоречий: коэффициент при переменной в уравнении для Амурской области не может быть отрицательным в силу присутствия переменной с положительным знаком в уравнении Хабаровского края;

свободный член в уравнении Амурской области вряд ли может быть столь большим (сомнительным является предположение, что жители амурской области ожидают ежемесячное снижение цен в размере 14%). В ряде уравнений присутствует автокорреляция остатков; описательная способность уравнений низкая; многие оценки статистически не значимы.

Если для оценки тех же уравнений использовать разные инструментальные переменные, то оценки могут быть улучшены.

На втором шаге метода 2OLS стандартно эндогенные переменные оцениваются в приведённой форме, то есть через все экзогенные (прогнозные значения по этой методологии являются “инструментами”). Если скомбинировать эти инструменты с инструментом следующего вида:

где – ИПЦ региона i, – ИПЦ России,, – константы уравнения, то оценки некоторых уравнений улучшатся.

Хабаровский край:

0.741616 0.635141 0.356326 0.....

0.106234.

.

0.624589; 1.864518;.. 0.004336.

Приморский край:

0.710447 0.469605 0.249866 0.072392.

....

0.562519; 1.396874;.. 0.003519.

Амурская область:

0.298414 0.839308 0.361676 0.094679.

....

0.617508; 2.139140;.. 0.004790.

ЕАО 0.028423 0.221995 1.093923 0.343385.

....

0.361842; 1.609940;.. 0.006427.

Новые оценки в уравнениях в большей степени статистически значимы и логичны, однако отрицательный свободный член в уравнении Амурской области не устранился, а наоборот “усилился”. Кроме того, в ряде уравнений не далось устранить автокорреляцию остатков (тест использование статистики Дарбина-Уотсона в данных уравнениях уместно, только потому, что невозможно рассчитать h-статистику Дарбина в силу большой выборки, но она может служить ориентиром и не более, так как объективно она смещена).

Графики остатков оцененных уравнений в приложении Б.

Матрица парных коэффициентов корреляции оцененных уравнений имеет следующий вид:

Таблица 4 – Матрица парных коэффициентов корреляции остатков оцененных уравнений R1 R2 R3 RR1 R2 0.020593 R3 0.442966 0.006632 R4 0.161018 0.277594 0.169036 На лицо слабая связь между остатками уравнений, поэтому уточнение полученных оценок методом 3OLS не имеет смысла.

Окончательно, система (36) выглядит следующим образом:

0.741616 0.635141 0.356326 0.114229 0......

0.710447 0.469605 0.249866 0.....

0.298414 0.839308 0.361676 0.....

0.028423 0.221995 1.093923 0.....

Обозначим данную систему номером (38). Матрица A, составленная по аналогии с формой системы (37) не вырождена. Данный факт позволил бы (в случае отсутствия случайных компонентов в системе (38)) облегчить прогнозирование с использованием данной системы, путём её к приведённому виду (прогнозирование на основе эндогенных и предопределённых переменных) 3.3 Прогнозирование с использованием оцененной СОУ Полученная система уравнений может быть признана “работоспособной”, если полученные с её помощью прогнозы не противоречат здравому смыслу и могут быть использованы для принятия решений экономическими агентами.

Ниже представлены прогнозы по системе (38) и по уравнениям, использованным для спецификации (уравнения по отдельности).

Прогнозирование индекса цен на одежду в КНР производилось отдельно методом Brown`s linear exp. smoothing with alpha 0.0322. Прогноз ИПЦ регионов, необходимых для использования в каждом уравнении (38) и в уравнениях по отдельности, производился на основе соответствующих уравнении приведённой формы для оценивания по 2OLS системы (38).

Таблица 5 – Прогнозные значения ИПЦ регионов по моделям и их реальные значения Прогноз по Реальные Прогноз по Регион Период уравнениям по данные системе (3.4) отдельности Хабаровский март 2011 1.0055 1.0203 1.край апрель 2011 1.0053 1.0179 1.Приморский март 2011 1.0050 1.1.край апрель 2011 1.0085 1.0067 1.Амурская март 2011 1.0060 1.0120 1.область апрель 2011 1.0046 1.0076 1.март 2011 1.0064 1.7008 1.ЕАО апрель 2011 1.0070 1.7026 1.Очевидно, что прогнозы по оцененной системе (38) в большинстве случаев завышены по сравнению с реальными данными (особенно для ЕАО).

Однако некоторые прогнозы по рассматриваемой системе лучше, чем по отдельным уравнениям (для ИПЦ апреля 2011 в Приморском крае и ИПЦ апреля 2011 в Амурской области).

В общем случае нельзя сделать однозначный вывод о том, что исследуемые зависимости между ИПЦ регионов Дальнего Востока способствую более точному прогнозированию инфляции в них. Как показала практика, лучшие прогнозы на краткосрочную перспективу (в большинстве случаев), дают независимые отдельные уравнения.

Можно сослаться на факт того, что прогнозирование с использованием системы (38) условное, потому, что мы прогнозируем ряд инструментов (сами ИПЦ регионов и индекс цен на одежду) для получения прогнозных значений.

Кроме того, прогнозируя отдельно значения регрессоров для рассматриваемой системы, мы вносим ошибки прогноза регрессоров в прогнозные значения системы данной системы.

ЗАКЛЮЧЕНИЕ В ходе выполнения данной работы была, проверена гипотеза о наличии взаимосвязей между индексами потребительских цен в ряде регионов Дальнего Востока России (с учётом влияния заграничного индекса цен), а так же возможность её использования с целью получения более точных прогнозных значений моделируемых показателей регионов. Другими словами, тестировалась гипотеза о взаимозависимости инфляционных процессов рассматриваемых регионов и полезность этого знания.

В начале работы рассмотрены теоретических аспекты инфляции, как экономического явления, на уровне национальной экономики и на уровне отдельных экономических агентов. Показаны негативные черты данного явления и актуальность борьбы и ним.

Во втором разделе работы разработана теоретическая модель, позволяющая обосновать взаимозависимость региональных показателей динамики цен между собой. Показано, что в системе из n регионов, рассматриваемых как независимые государства, входящие в валютный союз, региональный показатель темпа роста цен может быть представлен в виде линейной комбинации темпов роста цен остальных (n-1) регионов, а так же аналогичного показателя заграницы и своих внутренних инфляционных ожиданий.

Pages:     | 1 |   ...   | 4 | 5 || 7 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.